#隐空间优化

CaLR：扩散推理的因果隐变量修正

论文提出因果隐变量修正（CaLR）框架，将推理重构为受约束的隐空间优化，借助专家模型的因果拓扑矩阵与隐式微分进行梯度引导的「思维修正」。该方法在复杂基准上取得扩散语言模型 SOTA，并在数独等约束任务上展现更强鲁棒性。